人工智能需要学习哪些数学知识?

开课吧开课吧锤锤2021-04-26 14:55

点赞
1
分享分享

    现在,人工智能已经成为新时代的必修课,其重要性已经不多说,但是作为一个跨学科的产物,它所包含的内容非常广泛,各种复杂的模型和算法更是令人望而却步。对大部分的人工智能新手来说,如何开始实际上是一个头等大事,例如,究竟需要什么数学基础,是否需要工程经验,深度学习框架应该关注什么等等。

ai

    基本的数学知识包含了处理智能问题的基本思想和方法,也是理解复杂算法的必要元素。如今,所有人工智能技术归根结底都是建立在数学模型上的,要理解人工智能,首先要掌握必要的数学基础,特别是:

    线性代数:如何将研究对象形式化?

    概率论:如何描述统计规律?

    数理统计:如何以小见大?

    最优化理论:如何找到最优解?

    信息论:如何定量度量不确定性?

    形式逻辑:如何实现抽象推理?

    线代数学:研究对象如何形式化?

    实际上,线性代数不仅是人工智能的基础,也是以现代数学为主要分析手段的各种学科和数学的基础。没有矢量和矩阵的应用,就无法实现从量子力学到图像处理的转变。从矢量和矩阵的背后,线性代数的核心意义在于提供了⼀种看待世界的抽象视角:万事万物都可以抽象为某种特征的组合,并在预设规则定义的框架下以静态和动态的方式进行观察。

    线性代数注重对抽象概念的解释,而不注重对具体数学公式的说明,它的基本思想是:线性代数的本质在于把具体的事物抽象成数学对象,并用矩阵来描述它的静态和动态特性;向量的本质是n维线性空间中的静止点;线性变换描述了矢量或坐标的变化,可用矩阵来表示;矩阵的特征值和特征向量描述了变化的速度和方向。

    如果这些还不足够,那么不妨点击下方课程,跟着老师好好学习。

ai

    简而言之,线性代数对于人工智能来说就像加法对于高等数学一样,是一个基本的工具集。

 

有用1
分享